從前的一段時期以來, 數(shù)目越發(fā)增多的招聘資訊, 都開始呈現(xiàn)出“Agent開發(fā)”, 以及“AI應用開發(fā)”, 且還包括“大模型工程師”這樣的崗位稱呼。單從名字去瞧, 這些所涉及的崗位好像無一不是圍繞著大模型來進行全方位展開的。鑒于此, 眾多的求職者便把準備的關(guān)鍵要點放置在了、模型調(diào)用以及幾個頗為流行的框架之上。但在對近期面試樣本加以整理之后, 我們察覺到了一個顯著的變化, 企業(yè)所需求的并非僅僅會調(diào)用大模型接口的人, 而是那種能夠?qū)⒛Ｐ颓袑嵔尤霕I(yè)務系統(tǒng)的, 能夠控制成本的, 能夠處理異常情況的, 并且能夠持續(xù)優(yōu)化效果的工程師。截止到此次開展的整理工作, 今日新知里“求職”這一主題, 存在著36條已然完成正文采集處理的面試以及求職樣本。其中, 涉及Agent的樣本數(shù)量為8條, 涉及RAG的樣本數(shù)量是7條, 涉及SQL的樣本數(shù)量有5條, 涉及Redis的樣本數(shù)量為4條, 涉及MCP的樣本數(shù)量是3條。不同的關(guān)鍵詞之間有著相互重疊的情況, 不過它們共同描繪出了當下AI崗位的能力架構(gòu)。一、崗位名稱變了計算機基礎(chǔ)并沒有消失面試面向Agent開發(fā)崗位, 面試面向AI后端崗位, 面試面向大模型應用崗位, 在這些面試之中, 常見傳統(tǒng)基礎(chǔ)題, 且其依舊高頻出現(xiàn)。例如這表明了一個實際情況, 即Agent并非是那種獨自運行的聊天機器人, 它最終還是需要接入到賬號系統(tǒng)之中, 或者接入數(shù)據(jù)庫, 又或者接入搜索服務, 甚至是接入支付系統(tǒng), 亦或是接入企業(yè)內(nèi)部工具。模型承擔著“理解以及決策”的職責, 然而, 切實使得產(chǎn)品穩(wěn)定運轉(zhuǎn)起來的, 依舊是傳統(tǒng)軟件工程方面獲取的能力。倘若候選人僅僅擅長書寫, 然而卻沒法闡釋清楚一回請求經(jīng)歷了哪一些服務, 在失敗之后該依照怎樣的方式進行恢復, 對于數(shù)據(jù)究竟應當怎樣予以保存, 如此一來就極難獨立自主地承擔起真實的業(yè)務。二、面試官不只問“會不會RAG”而是追問整條鏈路正在成為大模型應用崗位里高頻詞匯的RAG, 然而面試重點卻正從“是否使用過”朝著“是否真正理解”轉(zhuǎn)變。常見追問可能包括這些問題所考查的并非是候選人有沒有記住幾個框架的名稱, 而是能不能將一種不穩(wěn)定的模型能力轉(zhuǎn)化為能夠進行測試、可以實施監(jiān)控以及得以改進的產(chǎn)品能力。真的具備說服力的那種回答, 一般來講是需要涵蓋具體指標的, 比如說召回率, 此乃一個指標, 回答準確率是其一, 引用錯誤率也是它, 平均響應時間同樣是需要具備的, 單次調(diào)用成本也是其中一個具體指標?！靶Ч诲e”并非指向指標, “在固定的測試集合之上”以及“錯誤率從某一數(shù)值下降至另一數(shù)值”, 此二者才是工程領(lǐng)域的表述方式。三、MCP、Skill和工具調(diào)用正在從概念題變成設(shè)計題先是Agent著手連接搜索, 接著它連接數(shù)據(jù)庫, 隨后它進行代碼執(zhí)行, 而后它連接企業(yè)內(nèi)部系統(tǒng), 隨著這些情況出現(xiàn), MCP、Skill等概念也漸漸開始進入面試。但面試官真正關(guān)心的通常不是定義而是邊界。例如這表明, Agent開發(fā), 已并非僅僅局限于“促使模型回答問題”這般簡單, 而是轉(zhuǎn)向了去設(shè)計一個自動化系統(tǒng), 該系統(tǒng)具備權(quán)限, 有著特定狀態(tài)還設(shè)有風險控制。Agent要是越具備自主行動的能力, 那么工程師就越一定要去思考當它做出錯誤之事的時候會出現(xiàn)什么樣的狀況。四、多模態(tài)崗位考查的也不只是模型名稱在一部分Agent以及多模態(tài)崗位的樣本當中, 面試所涉及的問題, 已然涵蓋了視覺編碼器, 圖文對齊, 視頻抽幀, Token壓縮, 還有推理成本。面試官或許不大要求每一位候選人從起始去訓練模型, 然而會去考查候選人是不是明白數(shù)據(jù)進入模型之后所產(chǎn)生的狀況。比如說, 一段時長較長的視頻, 是不可以單純地將所有頁面畫面都交付給模型的。系統(tǒng)是需要在所傳遞信息的完整程度、Token數(shù)目、做出回應的速度以及進行計算所需的成本之間做出權(quán)衡抉擇的。因此多模態(tài)應用開發(fā)正在形成新的能力組合不能不理解模型的大致結(jié)構(gòu), 還得要能夠處理數(shù)據(jù)管線, 還有服務部署, 以及推理延遲和業(yè)務效果。僅僅曉得怎樣去調(diào)用一個多模態(tài)接口, 特別難以去回答因何系統(tǒng)于短視頻方面呈現(xiàn)出正常的情形, 而換成了長視頻之后其效果卻一下子就下降了。五、項目追問正在取代簡單的“八股背誦”從這些面試樣本看項目經(jīng)歷仍然是決定面試深度的重要部分。面試官經(jīng)常沿著一個項目不斷追問這些問題, 表面上, 是在針對項目展開討論, 而實際上呢, 是在評測候選人, 究竟有沒有真正投身于關(guān)鍵決策之中。若是簡歷單單寫著“使用搭建智能問答系統(tǒng)”, 極易被持續(xù)追問。與之相較, 那種能夠把問題、方案、指標、失敗歷程以及最終的取舍講明白的項目, 更易于構(gòu)建可信度。六、準備Agent崗位可以建立三層能力結(jié)構(gòu)準備AI應用崗位的求職者, 可以將其知識劃分成三層, 準備Agent崗位的求職者, 同樣也能夠把知識分成三層。第一層是計算機基礎(chǔ)。涵蓋編程語言, 涉及數(shù)據(jù)庫, 關(guān)聯(lián)緩存, 關(guān)乎網(wǎng)絡(luò), 有關(guān)并發(fā), 包含操作系統(tǒng)以及常見系統(tǒng)設(shè)計, 這一層對系統(tǒng)能否穩(wěn)定運行起著判定作用。第二層是AI應用工程。其中涵蓋了RAG, 還有重排序, 以及工具調(diào)用, 另外還有MCP, 也包括記憶管理, 在此基礎(chǔ)上有模型評測, 并且涉及幻覺控制, 以及推理成本。這一層對模型能否切實解決問題起著決定性作用。第三層是項目證據(jù)。要準備出至少一個項目, 這個項目得可以進行完整講解, 說明下業(yè)務所需求之目標, 介紹清楚系統(tǒng)方面的架構(gòu), 闡述關(guān)鍵之難點所在, 提及失敗實例之情況, 講明白評價時所依據(jù)的指標, 還要說明最終所取得的結(jié)果。就是這一層面, 其決定著面試官是不是會相信候選人實際上擁有交付方面的能力。今日新知觀察Agent崗位的增加并不意味著傳統(tǒng)開發(fā)能力已經(jīng)過時。往后而言, 更會受到偏愛青睞的競選者人選, 或許并非是那種僅僅只是純粹單一的算法從事鉆研探索之人, 也并非是那種僅僅只會去運用調(diào)用接口的應用程序開發(fā)工作者, 而是那種具備有能夠?qū)⒛Ｐ退鶕碛械哪芰Ωこ滔到y(tǒng)建立起來連接關(guān)系銜接起來之人。崗位稱呼處在變動當中, 然而企業(yè)一直尋覓同一種本事, 即面對一個并非確定的問題時, 能夠去設(shè)計方案, 達成實現(xiàn), 找出錯誤, 并且使系統(tǒng)平穩(wěn)運行。需要留意的是, 本文是按照公開的個人面試記錄予以整理的。不同的公司, 不同的部門, 不同的崗位級別, 以及不同的面試官, 其考查方向或許會存在較大的差別, 切莫把個別面試題當成企業(yè)統(tǒng)一的招聘標準。